【Iパス５問】AI対策は「事例問題」から始めよう
AIの問題は毎回5問前後も出題されます。
＞＞IoT問題の対策Note＜＜と併せて、10問が得点源になりそうです。
AIを問題を分析すると、大きく4種類あると分かりました。
AIの基礎事例 ←今回
全部で32問あるので、5問は得点アップが期待できます。
今回は学び始めとして、軽くAIの事例問題を5つを選びました。問題演習を通して、関連Noteも添えたので学習を進めてみてくださいね。
AIとIoTは「第四次産業革命」と云われるほど、現在のIT・産業にとって重要な技術です。よって今後もITパスポートで出題され続けますよ。
なお、このNoteは私が専門学校で教えてきた指導経験と970点合格をした実績に基づいていますので、ちょっとでも信用してくれたら嬉しいです。
＼全てのNoteへのリンク集／
画像識別の事例
まずは、画像認識の活用事例です。
AIといったら「画像認識/識別」「ニューラルネットワーク」ってイメージ強いですよね。
画像認識システムにおける機械学習の事例はどれか。
ア：オフィスのドアの開錠に虹彩（目）の画像による認証システムを導入した
イ：果物の写真をコンピュータに大量に入力し、コンピュータ自身が果物の特徴を抽出して判別できるようになった
ウ：スマートフォンにて、指紋の画像認識でロック解除できるようになった
エ：ヘルプデスクの画面に、システムの使い方についての質問を文字入力すると、会話形式での自動応答を得ることができた
正答はイ。コンピュータ自身が学習（機械学習）している点から判断します。
エは、AIによる自然言語処理です。実は画像認識よりも出題活率は高く、毎回1問出ます。あとで取り扱います。
機械学習は、まず3種類覚えておきましょう。
教師あり学習：問題と答えを同時に渡す
教師なし学習：問題だけ渡す
強化学習：試行錯誤させる
詳しくは ＞＞AIの技術用語Note＜＜ にまとめます（ちょっと待っててくださいね）。
さて、もう1つまとまって勉強しておきたいテーマがあります。
アとイは生体認証です。AIではない、従来のプログラムで実現できていましたし、文意から「学習」している節も読み取れません。
なお、認証には3要素あり、3つのうち2つを組み合わせた「2要素認証」などよく出題されます。
知識：パスワードなど
所有：カードなど
身体：指紋など。筆跡も。
自然言語分野の事例
「AI＝画像認識」のイメージが強いかもですが、出題が多いのは自然言語分野です。
自然言語処理とは、私たちが普段使っている言葉をコンピュータで計算処理することです。応用分野としては、AIによる文章要約・自動応答・文章作成など、実用化は多岐に進んでいます。
AIによるチャットボットの事例はどれか
ア：あらゆる物がインターネットに接続され、外出先から自宅のエアコン操作ができる
イ：コンピュータが様々な動物の画像を学習し、犬と猫の判別ができるようになる
ウ：商品の操作方法に関する質問を書き込むと、詳しい人が回答や助言を投稿してくれる
エ：通販サイトで、利用者が求める機能を入力すると、入力内容に応じたお薦め商品を、コンピュータが会話形式で紹介してくれる
正答はエ。チャットボットは実用化と普及が一番進んでいるため、毎回1問は出ます。他はスマートスピーカーも代表例です。
アはIoTの説明。1回に5問と大変多く出てくるので ＞＞IoT問題対策のNote＜＜ にまとめました。
イは画像識別AIの説明。
ウは「人が解答や助言をしてくれる」ので違います。
強化学習の事例
強化学習は、迷路などの「環境」を与えて、その中でAIは試行錯誤を繰り返します。ゴールへの近さや失敗などでポイントやペナルティを与えて、学習を進めます。
強化学習によって作られたAI事例はどれか。
ア：衣料品通販サイトで、利用者が気に入った服を選ぶと、画像の特徴から好みにあった商品を提案する
イ：スキー場がスキーをするに適した環境かを、気温・天候・積雪・風などの条件を基に、あらかじめ決めておいたルールベースプログラムで判断する
ウ：麺を容器に盛り付けるロボットが、盛り付ける訓練を繰り返して学習し、製造ラインに導入される
エ：録音された乳児の泣き声と、泣いた原因を学習データとして与え、泣き声から原因を推測するAIを作った
正答はウ。
今回の「環境」は現実世界でした。迷路などでは、コンピュータ内を「環境」にすることが多いです。
エは教師あり学習、アは教師なし学習。
イはルールベースAI。「AI」と名乗ってますが、普通のプログラムと同じです。ルールを見出すのは人間であり、プログラムが学習するわけではないです。
「AI」の定義は広く、時代によっても変わります。当時は「AI」と名乗っても、今では「AIかなぁ」と思うものもあります。
時系列予測の事例
従来の時系列分析は、数学や統計学を使ったものでした。一方で数値化が難しいデータ、離散的なデータの取り扱いが大変難しいです。
AIによる機械学習では、「学習データに合うような脳みそ」を作るので、従来の手法で難しかったデータの取り扱いや予測をすることができます。
全国にコンビニエンスストアをチェーン展開しているA社では、過去10年間にわたり全店舗での販売データが蓄積されている。販売データと気象データおよび店舗周辺のイベント情報のを分析して関係性を把握し、1週間先までの天気予報及びイベント情報から販売予想をしたい。この時に活用できる技術はどれか。
ア：IoTを用いて自動的にデータ収集する技術
イ：仮想空間内で現実のような体験ができる技術
ウ：ディープラーニングなどのAI技術
エ：表計算ソフトによる統計分析を行う技術
正答はウ。
アはデータ収集なので、予測精度の向上に直接的ではありません。IoTも毎回5問は出題されるので ＞＞IoTの問題対策Note＜＜ も併せてどうぞ。
イはVRの説明。ゴーグルやスマートフォン越しに現実空間にCGや文字を重ねる場合はAR（拡張現実）です。
2/3/4個のグループ用語は、いつでも引き出せるようにしておきましょう。＞＞4個グループの用語Note＜＜
エの統計分析は良いのですが、「表計算ソフト」が難点です。全国チェーン店の10年間の気象データが膨大すぎて処理しきれません。
また、イベント情報を統計学に取り込むのに苦労しそうです。
自動運転の事例
AI以前からモノレールや電車の無人化は実用化されています。さらに、AIの登場で自動運転の範囲は広がっています。
人工知能の活用事例はどれか。
ア：運転手が関与せず、自動車の加速・操縦・制動の全てをシステムが行う
イ：オフィスの自席にいながら、会議室やトイレの空き状況がリアルタイムに分かる
ウ：銀行のような中央管理者を置かなくても、分散型の合意形成技術によって取引の承認を行う
エ：自宅PCから、銀行窓口に行かなくても振込を行う
正答はア。AIによる自動運転の説明です。
イは、IoTの説明です。センサがネットワーク経由で最新情報を共有してくれています。＞＞IoTの対策Note＜＜ と併せるとより得点アップします。
ウは、ブロックチェーンを活用した分散型台帳などの説明です。
エは、インターネットバンキングです。今や日常用語なので改めて覚えなくても良いでしょう。
自動運転には、カメラ画像への画像認識・GPSや加速度センサなどの時系列解析・クラクション・サイレンや搭乗者への音声認識など、AIの集大成ですね。私たちも運転の時は視覚・触覚（体感）・聴覚などを使いますからね。
まとめ
「第四次産業革命」と云われるように、AI・IoT・クラウド・ブロックチェーンなど新しい技術の登場で世界は大きく変わりました。
特にITパスポートは新用語の導入に積極的です。
2019年にバージョン4.0
2021年にバージョン5.0
2022年にバージョン6.0
と、頻繁にシラバスが改訂されています。
今回は事例問題を5問選んで解説しました。
AIといえばニューラルネットワーク。次は、＞＞AIの特有技術の問題対策Note＜＜ をお薦めします。
または、事例問題を先に対策したいなら ＞＞AIの自然言語処理分野での対策Note＜＜ 。自然言語処理のチャットボットが一番出題されていました。
＼全てのNoteへのリンク集／
p.s. 普段は >> 専門学校とIT就職のブログ << をやってます。
でわでわ（・ω・▼）ノシ
